Kafka提交offset机制

转载出处：https://www.cnblogs.com/FG123/p/10091599.html ————————————————————————————————————————————

在kafka的消费者中，有一个非常关键的机制，那就是offset机制。它使得Kafka在消费的过程中即使挂了或者引发再均衡问题重新分配Partation，当下次重新恢复消费时仍然可以知道从哪里开始消费。它好比看一本书中的书签标记，每次通过书签标记(offset)就能快速找到该从哪里开始看(消费)。

Kafka对于offset的处理有两种提交方式：(1) 自动提交(默认的提交方式) (2) 手动提交(可以灵活地控制offset)

(1) 自动提交偏移量:

Kafka中偏移量的自动提交是由参数enable_auto_commit和auto_commit_interval_ms控制的，当enable_auto_commit=True时，Kafka在消费的过程中会以频率为auto_commit_interval_ms向Kafka自带的topic(__consumer_offsets)进行偏移量提交，具体提交到哪个Partation是以算法：partation=hash(group_id)P来计算的。

如：group_id=test_group_1，则partation=hash(“test_group_1”)P=28

自动提交偏移量示例：

import pickle import uuid from kafka import KafkaConsumer consumer = KafkaConsumer( bootstrap_servers=['192.168.33.11:9092'], group_id="test_group_1", client_id="{}".format(str(uuid.uuid4())), max_poll_records=500, enable_auto_commit=True, # 默认为True 表示自动提交偏移量 auto_commit_interval_ms=100, # 控制自动提交偏移量的频率 单位ms 默认是5000ms key_deserializer=lambda k: pickle.loads(k), value_deserializer=lambda v: pickle.loads(v) ) # 订阅消费round_topic这个主题 consumer.subscribe(topics=('round_topic',)) try: while True: consumer_records_dict = consumer.poll(timeout_ms=1000) # consumer.assignment()可以获取每个分区的offset for partition in consumer.assignment(): print('主题:{} 分区:{},需要从下面的offset开始消费:{}'.format( str(partition.topic), str(partition.partition), consumer.position(partition) )) # 处理逻辑. for k, record_list in consumer_records_dict.items(): print(k) for record in record_list: print("topic = {},partition = {},offset = {},key = {},value = {}".format( record.topic, record.partition, record.offset, record.key, record.value) ) finally: # 调用close方法的时候会触发偏移量的自动提交 close默认autocommit=True consumer.close()

返回结果： 在上述代码中，最后调用consumer.close()时候也会触发自动提交，因为它默认autocommit=True，源码如下：

def close(self, autocommit=True): """Close the consumer, waiting indefinitely for any needed cleanup. Keyword Arguments: autocommit (bool): If auto-commit is configured for this consumer, this optional flag causes the consumer to attempt to commit any pending consumed offsets prior to close. Default: True """ if self._closed: return log.debug("Closing the KafkaConsumer.") self._closed = True self._coordinator.close(autocommit=autocommit) self._metrics.close() self._client.close() try: self.config['key_deserializer'].close() except AttributeError: pass try: self.config['value_deserializer'].close() except AttributeError: pass log.debug("The KafkaConsumer has closed.")

对于自动提交偏移量，如果auto_commit_interval_ms的值设置的过大，当消费者在自动提交偏移量之前异常退出，将导致kafka未提交偏移量，进而出现重复消费的问题，所以建议auto_commit_interval_ms的值越小越好。

(2) 手动提交偏移量:

鉴于Kafka自动提交offset的不灵活性和不精确性(只能是按指定频率的提交)，Kafka提供了手动提交offset策略。手动提交能对偏移量更加灵活精准地控制，以保证消息不被重复消费以及消息不被丢失。

对于手动提交offset主要有3种方式：1.同步提交 2.异步提交 3.异步+同步 组合的方式提交

1.同步手动提交偏移量

同步模式下提交失败的时候一直尝试提交，直到遇到无法重试的情况下才会结束，同时同步方式下消费者线程在拉取消息会被阻塞，在broker对提交的请求做出响应之前，会一直阻塞直到偏移量提交操作成功或者在提交过程中发生异常，限制了消息的吞吐量。

""" 同步的方式10W条消息 4.58s """ import pickle import uuid import time from kafka import KafkaConsumer consumer = KafkaConsumer( bootstrap_servers=['192.168.33.11:9092'], group_id="test_group_1", client_id="{}".format(str(uuid.uuid4())), enable_auto_commit=False, # 设置为手动提交偏移量. key_deserializer=lambda k: pickle.loads(k), value_deserializer=lambda v: pickle.loads(v) ) # 订阅消费round_topic这个主题 consumer.subscribe(topics=('round_topic',)) try: start_time = time.time() while True: consumer_records_dict = consumer.poll(timeout_ms=100) # 在轮询中等待的毫秒数 print("获取下一轮") record_num = 0 for key, record_list in consumer_records_dict.items(): for record in record_list: record_num += 1 print("---->当前批次获取到的消息个数是:{}<----".format(record_num)) record_num = 0 for k, record_list in consumer_records_dict.items(): for record in record_list: print("topic = {},partition = {},offset = {},key = {},value = {}".format( record.topic, record.partition, record.offset, record.key, record.value) ) try: # 轮询一个batch 手动提交一次 consumer.commit() # 提交当前批次最新的偏移量. 会阻塞 执行完后才会下一轮poll end_time = time.time() time_counts = end_time - start_time print(time_counts) except Exception as e: print('commit failed', str(e)) finally: consumer.close() # 手动提交中close对偏移量提交没有影响

从上述可以看出，每轮循一个批次，手动提交一次，只有当前批次的消息提交完成时才会触发poll来获取下一轮的消息，经测试10W条消息耗时4.58s

2.异步手动提交偏移量+回调函数

异步手动提交offset时，消费者线程不会阻塞，提交失败的时候也不会进行重试，并且可以配合回调函数在broker做出响应的时候记录错误信息。

""" 异步的方式手动提交偏移量(异步+回调函数的模式) 10W条消息 3.09s """ import pickle import uuid import time from kafka import KafkaConsumer consumer = KafkaConsumer( bootstrap_servers=['192.168.33.11:9092'], group_id="test_group_1", client_id="{}".format(str(uuid.uuid4())), enable_auto_commit=False, # 设置为手动提交偏移量. key_deserializer=lambda k: pickle.loads(k), value_deserializer=lambda v: pickle.loads(v) ) # 订阅消费round_topic这个主题 consumer.subscribe(topics=('round_topic',)) def _on_send_response(*args, **kwargs): """ 提交偏移量涉及回调函数 :param args: args[0] --> {TopicPartition:OffsetAndMetadata} args[1] --> Exception :param kwargs: :return: """ if isinstance(args[1], Exception): print('偏移量提交异常. {}'.format(args[1])) else: print('偏移量提交成功') try: start_time = time.time() while True: consumer_records_dict = consumer.poll(timeout_ms=10) record_num = 0 for key, record_list in consumer_records_dict.items(): for record in record_list: record_num += 1 print("当前批次获取到的消息个数是:{}".format(record_num)) for record_list in consumer_records_dict.values(): for record in record_list: print("topic = {},partition = {},offset = {},key = {},value = {}".format( record.topic, record.partition, record.offset, record.key, record.value)) # 避免频繁提交 if record_num != 0: try: consumer.commit_async(callback=_on_send_response) except Exception as e: print('commit failed', str(e)) record_num = 0 finally: consumer.close()

对于args参数：args[0]是一个dict，key是TopicPartition，value是OffsetAndMetadata，表示该主题下的partition对应的offset；args[1]在提交成功是True，提交失败时是一个Exception类。

对于异步提交，由于不会进行失败重试，当消费者异常关闭或者触发了再均衡前，如果偏移量还未提交就会造成偏移量丢失。

3.异步+同步 组合的方式提交偏移量

针对异步提交偏移量丢失的问题，通过对消费者进行异步批次提交并且在关闭时同步提交的方式，这样即使上一次的异步提交失败，通过同步提交还能够进行补救，同步会一直重试，直到提交成功。

""" 同步和异步组合的方式提交偏移量 """ import pickle import uuid import time from kafka import KafkaConsumer consumer = KafkaConsumer( bootstrap_servers=['192.168.33.11:9092'], group_id="test_group_1", client_id="{}".format(str(uuid.uuid4())), enable_auto_commit=False, # 设置为手动提交偏移量. key_deserializer=lambda k: pickle.loads(k), value_deserializer=lambda v: pickle.loads(v) ) # 订阅消费round_topic这个主题 consumer.subscribe(topics=('round_topic',)) def _on_send_response(*args, **kwargs): """ 提交偏移量涉及的回调函数 :param args: :param kwargs: :return: """ if isinstance(args[1], Exception): print('偏移量提交异常. {}'.format(args[1])) else: print('偏移量提交成功') try: start_time = time.time() while True: consumer_records_dict = consumer.poll(timeout_ms=100) record_num = 0 for key, record_list in consumer_records_dict.items(): for record in record_list: record_num += 1 print("---->当前批次获取到的消息个数是:<----".format(record_num)) record_num = 0 for k, record_list in consumer_records_dict.items(): print(k) for record in record_list: print("topic = {},partition = {},offset = {},key = {},value = {}".format( record.topic, record.partition, record.offset, record.key, record.value) ) try: # 轮询一个batch 手动提交一次 consumer.commit_async(callback=_on_send_response) end_time = time.time() time_counts = end_time - start_time print(time_counts) except Exception as e: print('commit failed', str(e)) except Exception as e: print(str(e)) finally: try: # 同步提交偏移量,在消费者异常退出的时候再次提交偏移量,确保偏移量的提交. consumer.commit() print("同步补救提交成功") except Exception as e: consumer.close()

通过finally在最后不管是否异常都会触发consumer.commit()来同步补救一次，确保偏移量不会丢失